探索预测倍性状态的无创方法：利用人工神经网络结合胚泡形态图像分析和蛋白质组学分析（⬅点击左侧文字观看视频）
研究问题：囊胚形态图像分析结合废胚胎培养基的蛋白质含量是否是预测胚胎倍性的合适方法？
总结答案：囊胚图像分析中的形态学变量结合废培养基中IL-6或MMP-1的浓度对真倍体的预测准确率超过80%。
已经知道的是：最近发表了一个基于整倍体胚胎蛋白质组学特征和囊胚timelapse图像形态学数据的人工智能模型（Bori等人，2020）。最有前途的人工神经网络（ANN）算法考虑了从图像分析中提取的20个形态变量和在胚胎培养基中检测到的两种蛋白质（MMP-1和IL-6）。活产预测的盲测数据总成功率为72.7%。本研究的主要目的是检查相同的形态学变量与MMP-1或IL-6结合使用成本效益高的技术是否能够区分整倍体和非整倍体胚胎。
研究设计、规模、持续时间：这项前瞻性研究包括120个来自植入前非整倍体基因检测（PGT-A）项目的胚胎。获得每个胚胎的单个囊胚图像，并在胚胎发育的第5/6天（滋养外胚层活检日）收集其废培养基。提取所有胚泡的形态学变量。另一方面，我们量化了67个胚胎的IL-6水平和53个胚胎的MMP-1水平。结果参数用于预测PGT-A结果。
参与者/材料、设置、方法：将囊胚图像导入Matlab软件，分割成感兴趣的区域，获得20个与面积测量、像素数和纹理分析相关的数学变量。染色体分析采用下一代测序技术。同时，用ELISA试剂盒（IL-6或MMP-1）分析每个囊胚的20μL废培养基。蛋白质浓度和形态变量被用作与遗传算法相关联的人工神经网络的输入数据。
主要结果和机会的作用：IL-6组胚胎的整倍体率为51.4%。人工神经网络用49个胚胎进行训练，并用18个胚胎进行盲测试。以下结果与盲法试验的整倍体预测一致。仅考虑IL-6值，ROC曲线下面积（AUC）的敏感性、特异性、准确性和面积分别为：0.56、0.78、0.67和0.72；0.88、0.78、0.83和0.61，考虑从图像分析中提取的IL-6值和囊胚形态数据。MMP-1组胚胎的整倍体率为51.9%。人工神经网络用39个胚胎进行训练，用14个胚胎进行盲测试。以下结果与盲法试验的整倍体预测一致。仅考虑MMP-1值，其敏感性、特异性、准确性和AUC分别为：0.71、0.57、0.64和0.67；考虑到MMP-1值和从图像分析中提取的形态学数据，分别为0.86、0.86、0.86和0.61。
局限性，谨慎理由：蛋白质定量的检测极限是我们研究的主要局限性。模型应用应考虑使用少量胚胎和特定培养基。
研究结果的更广泛含义：我们的初步结果表明，胚泡形态和胚胎分泌组学可用于利用人工智能技术预测真倍体。这些发现可能有助于进入无创植入前基因检测（ni-PGT-A）的新时代。
试用注册号：不适用
